Détection d'anomalies
Ruptures de séquence, écarts de montants, doublons, opérations atypiques, incohérences de dates ou de références.
Forensic data analysis
Faire apparaître les écarts dans les données du litige.
Analyse de données structurées ou dégradées pour repérer incohérences, ruptures, doublons, calculs contestables et flux à expliquer.
Usage contentieux
La forensic data analysis sert à analyser des données avec une exigence de preuve : travailler sur des copies, préserver les sources, documenter les hypothèses et produire des constats vérifiables.
Données structuréesExports Excel, ERP, relevés, tableaux, bases de calcul.
Données dégradéesScans, documents hétérogènes, informations partielles, tableaux illisibles.
Sortie utileÉcarts, anomalies, chronologies, rapprochements et limites de preuve.
Données litigieuses
Traiter le volume avant de conclure.
Dans certains dossiers, la difficulté vient d'abord de la matière : exports incomplets, scellés, relevés, documents scannés, fichiers non homogènes. Le travail consiste à nettoyer, rapprocher et contrôler assez les données pour rendre l'analyse possible.
Rapprochements
Relier pièces, lignes de données, justificatifs, montants réclamés et hypothèses de calcul.
Preuve exploitable
Produire une base qui distingue constat, hypothèse, limite et point à arbitrer par l'avocat.
Protocole
Ne pas altérer la matière du dossier.
Le principe est simple : recenser les sources, travailler sur des copies, conserver la traçabilité des traitements et rattacher chaque conclusion aux données ou pièces d'origine.
Sources conservéesLes fichiers, scans, tableaux ou exports originaux restent distincts des fichiers de travail.
Acquisition documentéeLe corpus est inventorié : volume, formats, lisibilité, lacunes, doublons et limites.
Hypothèses documentéesChaque retraitement indique la source, la méthode et la limite éventuelle.
Scénario factuelLes traces mises bout à bout permettent de reconstruire une chronologie ou une logique de calcul.